spss多元回歸分析案例講解課件

1、spss多元回歸分析案例講解SPSS多元線性回歸模型建立基于逐步回歸法spss多元回歸分析案例講解多元線性回歸模型回歸：區(qū)別相關(guān)。因變量對解釋變量的依賴關(guān)系，意義在于通過已知后者的值去預(yù)測前者的均值。線性：用于研究一種特殊的關(guān)系，即用直線或多維直線描述其依賴關(guān)系。多元：解釋變量大于等于兩個。建立一個模型： Y = 0 + 1 X 1 + 2 X 2 + . + i X i確定一些標(biāo)準(zhǔn)，判斷進入的變量，和得出對應(yīng)的系數(shù)。spss多元回歸分析案例講解簡要回顧一些計量經(jīng)濟學(xué)知識vT檢驗，F(xiàn)檢驗。都是對于系數(shù)為0假設(shè)檢驗。vT檢驗針對的假設(shè)是某一個系數(shù)為0。分布。vF檢驗針對的假設(shè)是所有的回歸系數(shù)均為

2、0.總顯著性檢驗。分布。vSig.值significance即eviews中的p值。小于設(shè)置的顯著性水平如0.05，則拒絕原假設(shè)，統(tǒng)計量顯著。vR2、調(diào)整R2 指標(biāo)揭示擬合程度。隨著進入模型的變量個數(shù)增加， R2 不斷增大，同時代價是殘差自由度的減少，意味著估計和預(yù)測可靠性低 。 spss多元回歸分析案例講解舉例說明本例給出的是某企業(yè)職員調(diào)查的數(shù)據(jù)。共有樣本量474.所給變量共有6個：當(dāng)前工資、初始工資、工作種類、過去經(jīng)驗、受雇時間、受教育程度。準(zhǔn)備建立一個以當(dāng)前工資為因變量，其他變量為自變量的回歸方程。判斷哪些變量進入方程，并且給出對應(yīng)系數(shù)。spss多元回歸分析案例講解1、選變量v要建立一個

3、模型首先要選擇變量，解釋變量和因變量之間要有一定的關(guān)系。v方法：散點圖直接判斷相關(guān)性和偏相關(guān)性系數(shù)。v所要判斷的變量：初始工資、工作種類、過去經(jīng)驗、受雇時間、受教育程度spss多元回歸分析案例講解散點圖檢驗線性關(guān)系v散點圖可以很直觀地判斷是否存在線性關(guān)系。v操作：Graphs-Legacy Dialogs-Scatter/Dot-Simple Scatterspss多元回歸分析案例講解結(jié)論：當(dāng)前工資和初始工資存在線性關(guān)系。spss多元回歸分析案例講解偏相關(guān)系數(shù)檢驗線性關(guān)系v各因素之間有相互作用，僅僅看每個自變量分別和因變量之間覺得相關(guān)系數(shù)不能反映出各個變量之間的真實情況。v檢驗偏相關(guān)系數(shù)，控制

4、其他的變量對兩個變量相關(guān)關(guān)系的影響。v由偏相關(guān)系數(shù)和對應(yīng)T值可以判斷，這些變量和因變量的有關(guān)，可以建立一個以它們?yōu)樽宰兞康幕貧w模型。spss多元回歸分析案例講解偏相關(guān)系數(shù)檢驗線性關(guān)系v操作：Analyze-Correlate-Partial Correlationv選擇分析變量：當(dāng)前工資、受教育程度v選擇控制變量：其他變量v結(jié)論：T值的顯著性水平為0，拒絕當(dāng)前工資和受教育程度不相關(guān)的假設(shè)。偏相關(guān)系數(shù)為0.161.變量和因變量是相關(guān)的。v其他分析變量操作同，初步判斷得出變量均可進入模型。spss多元回歸分析案例講解spss多元回歸分析案例講解2、選數(shù)據(jù)v我們建立回歸模型是在若干假定前提之下的,

5、即對數(shù)據(jù)是有要求的。因變量數(shù)據(jù)的要求。v（1）是否滿足“殘差的方差齊性”要求v 方法：散點圖v操作在后面做回歸模型建立時一同分析。spss多元回歸分析案例講解PP圖檢驗正態(tài)性v（2）因變量數(shù)據(jù)是否滿足正態(tài)性要求v方法：PP圖。所有點聚集在直線上，則說明該變量的數(shù)據(jù)分布是服從于所要檢測的分布的spss多元回歸分析案例講解PP圖檢驗正態(tài)性v操作：Analyze-Descriptive Statistics-vP-Pplots v檢驗變量：當(dāng)前工資v檢驗分布：正態(tài)分布Normalv結(jié)論：滿足正態(tài)性假設(shè)要求spss多元回歸分析案例講解spss多元回歸分析案例講解3、進行回歸v介紹回歸方法：vEnter

6、：強行進入法。所有變量直接全部進入模型。只有一個模型。v向前回歸：根據(jù)自變量對因變量的貢獻率，首先選擇一個貢獻率最大的自變量進入，一次只加入一個進入模型。然后，再選擇另一個最好的加入模型，直至選擇所有符合標(biāo)準(zhǔn)者全部進入回歸。 spss多元回歸分析案例講解v 向后回歸：將自變量一次納入回歸，然后根據(jù)標(biāo)準(zhǔn)刪除一個最不顯著者，再做一次回歸判斷其余變量的取舍，直至保留者都達到要求。逐步回歸Stepwise：是向前回歸法和向后回歸法的結(jié)合。v首先按自變量對因變量的貢獻率進行排序，按照從大到小的順序選擇進入模型的變量。每將一個變量加入模型，就要對模型中的每個變量進行檢驗，剔除不顯著的變量，然后再對留在模型

7、中的變量進行檢驗。直到?jīng)]有變量可以納入，也沒有變量可以剔除為止。spss多元回歸分析案例講解進行回歸操作v進行回歸操作：Analyze-Regression-Linear選擇自變量和因變量v選擇回歸方法： Stepwisespss多元回歸分析案例講解設(shè)置操作Statistics：系統(tǒng)默認選項：1、Estimates（輸出回歸系數(shù)，標(biāo)準(zhǔn)化回歸系數(shù)，回歸系數(shù)為0的假設(shè)T值等） 2、 Model fit（要引入模型的和要從模型中剔除的變量， 每一步模型R2 調(diào)整R2 、ANOVA方差分析表。spss多元回歸分析案例講解設(shè)置操作vPlots制圖，檢查方差齊性，vY:ZRESID(標(biāo)準(zhǔn)化殘差）v X:Z

8、PRED（標(biāo)準(zhǔn)化預(yù)測值）spss多元回歸分析案例講解v殘差的方差齊性v分析依據(jù)：如果v它的大部分都落v在( - 3, 3) 范圍之v內(nèi), 就可以認為v它滿足這個條件。spss多元回歸分析案例講解spss多元回歸分析案例講解逐步回歸中不在方程中變量一、判斷模型中各個要進入變量的系數(shù)顯著性：1、注釋中是模型已有的變量，表中是排除在回歸方程外變量。2、舉例分析第一步： 方程中已有的（第一個進入）變量是初始工資，還有4個未進入模型。在這個方程的基礎(chǔ)上，如果4個變量中每一個單獨進入這個方程，會形成一個新的二元解釋變量方程，這個二元方程的統(tǒng)計量結(jié)果如表。通過判斷Partial Correlation絕對值

9、來確定哪個是貢獻率最大的，從而這個變量先進入模型。3、第3 列是針對每一個變量前面的系數(shù)為零的假設(shè)的t 檢驗值, 第四列給出了這個檢驗結(jié)果。從中可以看出,sig.值均0.05。故拒絕系數(shù)為零的假設(shè), 即每一個變量都對因變量有貢獻,所以都不剔除。4、結(jié)論：第二個進入方程的變量是0.372的職務(wù)分類。spss多元回歸分析案例講解spss多元回歸分析案例講解分析 ANOVA表二、判斷每一步模型總顯著性1、方差分析表顯示了回歸擬合過程中每一步的方差分析結(jié)果。2、F值的Sig.值均0.05,不影響。其他的系數(shù)的顯著性水平為0. 000, 它們都0. 05, 故屬于小概率事件, 即拒絕回歸系數(shù)為零的假設(shè), 即每個回歸方程都有意義。spss多元回歸分析案例講解y=-15038.574+1.365X1 +5859.585X2-19.553X3+154.698X4+539.642X5注釋：X1 初始工資、X2工作種類、X3過去經(jīng)驗、X4受雇時間、X5受教育程度注意：B( 偏回歸系數(shù)) , 有一個缺點